多模态大模型（MLLM）在高层次视觉理解与推理任务上展现出惊艳能力。然而，如果你仔细观察，就会发现一个的事实： 它们在一些看似简单、直观、人类幼 儿都能轻松完成的任务中，却频频「翻车」 。 比如，「一个玩具被遮住后还在吗？」、「液体倒入不同形状容器后，体积变了吗？」、「两个物体靠近会发生碰撞吗？ 这是否意味着 MLLM 的先天认知结构中，缺少那些支撑早期人类学习的基础知识机制？也就是说，它们是否缺乏「core knowledge」（核心认知能力）？ ICML 2025 高分论文（initial score 4443），揭示了 MLLM 的「核心认知盲区」。 来自 UC San Diego 的新研究《Core Knowledge Deficits in Multi-Modal Language Models》（发表于 ICML 2025）对这一问题进行了系统、深入的分析。 论文标题： Core Knowledge Deficits in Multi-Modal Language Models 论文链接： https://arxiv.org/pdf/2410.10855 研究发现： 目前主流 MLLM 广泛缺乏核 ...